企业 AI 治理最容易出问题的地方，往往不是模型团队写错了提示词，也不是合规团队没有流程，而是数据层和模型层之间的假设没人验证。数据工程、AI、平台、合规四个团队都在认真做事，但客户数据可能已经被复制到三套环境里：字段定义略有不同，访问控制略有不同，刷新频率也不同。模型层说“只给授权用户看”，数据层反问：“哪一份数据？按哪套权限？什么时候刷新？” 这正...
Google 将 AlloyDB AI functions 推到 GA，并引入了一种值得关注的 proxy model 架构：先用 LLM 的输出训练一个轻量本地模型，再把后续推理放在数据库内部执行。它瞄准的不是“让数据库变成通用大模型”，而是把某些高频、结构稳定、可被近似学习的 LLM 判断，从外部 API 调用变成数据库速度的本地计算。 这件事重要...
Google 将 AlloyDB AI functions 推到 GA，同时引入了一种很实用的代理模型架构：先用 LLM 输出训练一个轻量本地模型，再把后续推理放在数据库内部执行。这个变化的重点不是“数据库也能聊 AI”，而是把一类高频、结构化、可近似的 LLM 判断，从外部 API 调用变成接近数据库速度的本地推理。 传统做法里，应用或数据库函数每处...